买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜合肥工业大学申请的专利一种基于非均匀超像素图神经网络数据因果解耦表征方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119380064B 。

龙图腾网通过国家知识产权局官网在2025-04-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411963124.X，技术领域涉及：G06V10/762；该发明授权一种基于非均匀超像素图神经网络数据因果解耦表征方法是由丁煦;施志贤;孟吕飞;严自华;夏志伟;徐娟;樊玉琦;翟华设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本一种基于非均匀超像素图神经网络数据因果解耦表征方法在说明书摘要公布了：本发明涉及故障诊断技术领域，具体是一种基于非均匀超像素图神经网络数据因果解耦表征方法。本申请能够高效地处理和分析待测对象的故障数据，通过快速连续小波变换将复杂信号转化为直观的时频图像，进而利用超像素分割技术细化图像特征，不仅提高了特征提取的精准度，还通过构建关系图和图卷积网络模型，实现了对待测对象故障因果关系的深度挖掘和准确预测，为待测对象故障的实时监测和诊断提供了强有力的支持，有助于提升设备的维护效率和运行安全性。

本发明授权一种基于非均匀超像素图神经网络数据因果解耦表征方法在权利要求书中公布了：1.一种基于非均匀超像素图神经网络数据因果解耦表征方法，其特征在于，包括以下解耦步骤：S1、获取包含因果特征及其对应故障类型的待测对象故障数据，并使用快速连续小波变换对各个待测对象故障数据进行处理，以生成对应的时频图像；S2、对各个时频图像均进行超像素分割，以分割得到多个超像素；S3、获取同一时频图像中的各个超像素的特征向量，并通过特征向量计算该各个超像素之间的余弦相似度；S4、基于同一时频图像中的各个余弦相似度，构建表征该时频图像中各个超像素之间连接关系的关系图；S5、基于图卷积网络，构建因果关系推导模型，使用各个关系图对因果关系推导模型进行训练，以得到符合设定要求的因果关系推导模型，并将该模型记为最优模型；S6、按照步骤S1到步骤S4的过程，对待测对象实时故障数据进行处理，以获得对应的关系图；将该关系图输入到最优模型中，以预测出该待测对象实时故障数据对应的故障类型；因果关系推导模型包括沿数据传输方向依次设置的图卷积网络层、多层感知器和视觉图神经网络模块；基于图卷积网络层、多层感知器和视觉图神经网络模块，结合关系图对因果关系推导模型训练的过程具体如下：S51、统计所有关系图中的全部超像素，并将其存放在同一张总图G中；S52、将总图G输入到图卷积网络层中进行处理，以得到节点表征；S53、基于软掩膜机制，通过多层感知器获取节点表征中因果特征和虚假特征各自对应的特征权重；S54、基于获取的特征权重，分离出节点表征H中的因果特征和虚假特征；S55、使用因果特征对视觉图神经网络模块进行训练，并通过视觉图神经网络预测该因果特征对应的故障类型，同时使用模型损失函数计算预测精度；S56、若模型达到设定要求，则停止训练，并输出当前的因果关系推导模型，该因果关系推导模型即为最优模型；反之，则对图卷积网络层、多层感知器和视觉图神经网络模块中的权重参数进行负反馈调整，并按照步骤S52到步骤S55的内容进行循环训练，直至获得最优模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。